Програмний модуль ідентифікації користувачів сайту

 

Так як математична модель користувача  сайту будується на експериментальних  даних (час реєстрації, час авторизації, час заходу на сайт, час отримання доступу до інформації), то для побудови такої математичної моделі використовується саме метод ідентифікації, бо він найкраще адаптований до роботи з кпериментальними даними.

 

 

 

 

 

 

 

 

 

 

 

2.1.2. Опис алгоритму роботи методу. Вхідні та вихідні дані.

У результаті експериментів над  об'єктом заміряні його вхідні дані

та вихідні дані , потрібно визначити вид і параметри оператора , що ставить у відношення змінні Х та У: .

Розрізняють задачі ідентифікації  в широкому (структурна ідентифікація) і вузькому (параметрична іденифікація) сенсі. В першому вважаються невідомими структура і параметри оператора, а в другому - лише параметри цього  оператора.

У якості "об'єкта ідентифікації" в загальному випадку может розглядатися механічна, електрична чи біологічна схема, замкнуті або розімкнуті системи  управляння і т.д... Методи ідентифікації  таких різноманітних за призначенням, виду і структурі об'єктів природно розрізняються, хоча існує і ряд загальних закономірностей.

На практиці ідентифікаціі використовую сукупність різних методів, застосовуючи їх у порядку зростання адекватності і точності одержуваних моделей.

Будемо вважати, що в загальному випадку в результаті експериментів  отримано інформацію про стани вихідних змінних  та вхідних змінних , від яких залежать .

Результатом спостережень є таблиця  експериментальних даних:

,

де N - кількість дослідів(повторень експерименту), n - число вхідних змінних, m - число вихідних змінних, - значення і- тої вхідної змінної для k-го досліду, а - значення j-ї вихідної змінної для k-го досліду.

Потрібно для кожної вихідної змінної  побудувати залежність ,

що адекватно описує наявні експериментальні дані.

 

 

Для побудови моделей ідентифікації  використовуються два методи: множинний  кореляційно-регресійний аналіз і  пошукова ідентифікація. Нижче представлена ​​коротка характеристика використовуваних методів ідентифікації та дано опис функціональних можливостей автоматизованих  систем, що реалізують ці методи.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2.2 Побудова моделі за обранним  методом.

2.2.1. Опис та специфіка роботи  моделі.

Математична модель користувача сайта  використовується для того, щоб проилюструвати роботу модуля (підсистеми) ідентифікації  користувачів сайту. Тобто, вона розроблена для того, щоб наглядно показати, як веде себе система ідентифікації. При яких умовах і як працює дана система, які дані необхідні для  роботи користувача з системою, а  також, які переваги та недоліки є  в даній системі.

Специфіка роботи моделі полягає у  тому, що вона розробляється спеціально під роботу с модулем ідентифікації  користувачів сайту, це робиться для  того, щоб зразу виявити проблеми взаємодії системи та моделі. При  виявленні помилок у роботі, не чіткості даних та інших проблем,  виправити ці помилки та настроїти систему на оптимальну роботу.

 

2.2.2. Метод реалізації математичної моделі

Регресійний аналіз є класичним  методом побудови моделей ідентифікації.

Минимизованою функцією помилки (різницею між моделлю та даними експерименту) при регресійному аналізі є сума квадратів відхилень розрахункових  та експериментальних значень вихідної змінної у.

Для мінімізації функції помилки  обчислюють похідні по всіх параметрах моделі і прирівнюють отримані вирази до нуля. Обчислення значень параметрів (рішення системи нормальних рівнянь) зводиться до використання методів  лінійної алгебри. Регресійний аналіз може використовуватися в двох режимах: параметричної та структурної ідентифікації.

У разі параметричної ідентифікації  користувач визначає заздалегідь структуру (вид) моделі, а система розраховує параметри (коефіцієнти) моделі, які  мінімізують функцію помилки. При  цьому вибір структури може проводитися  серед моделей трьох класів.

1. Лінійна модель

У цьому випадку користувач задає  тільки таблицю експериментальних  значень вхідного вектора Х і  вихідної змінної y. Система розраховує чисельні значення коефіцієнтів а0, а1, ... , аn.

 

2. Псевдолінійна модель (внутрішньо лінійна модель)

До цього класу належать нелінійні  за ідентифікованими параметрами моделі, які простими перетвореннями і підстановками  зводяться до лінійних.

Як приклад псевдолінейной моделі наведемо мультипликативную модель:

 

 

Логарифмуючи цей вираз:

 

 

і проводячи заміни змінних:

 

отримаємо лінійну форму

.

Після знаходження коефіцієнтів за процедурами лінійної моделі необхідно  зробити зворотне перетворення a0 = exp (b0).

Іншими прикладами псевдолінійних моделей є наступні:

 
 
 
, 
 
,   
 
.  

 

У разі вибору моделей цього класу  користувач повинен ввести таблицю   експериментальних даних, а також вказати за допомогою яких перетворень і підстановки розглянута псевдолінійна модель зводиться до лінійної, і які потрібні зворотні перетворення розрахованих коефіцієнтів. Такий спосіб організації обробки псевдолінійних моделей дозволяє розраховувати велику кількість заздалегідь невідомих за структурою моделей.

 

3. Дробово - раціональні моделі

До цього дуже широкого класу  відносяться моделі виду:

 
 

де f_i( ), g_j( ) - відомі функції вхідної змінної   , a_i, b_j  - ідентифіковані параметри.

За допомогою нескладних перетворень (які ми тут опускаємо) розрахунок коефіцієнтів ai, bj зводиться, як і для  лінійних і псевдолінейних моделей, до розв'язання системи лінійних алгебраїчних рівнянь. У разі вибору моделей цього  класу користувач задає таблицю     експериментальних даних, а також вказує конкретний вид і кількість функцій f_i( ), g_j( ). Система розраховує чисельні значення коефіцієнтів ai, bj.

У режимі «структурна ідентифікація» структура моделі вважається заздалегідь  невідомою. Користувач задає тільки таблицю експериментальних значень, а система виробляє послідовний  розрахунок моделей з наявної  бібліотеки моделей. При цьому може бути обрана найбільш точна модель (з найменшою функцією помилки) або всі моделі, точність яких вище деякого встановленого користувачем значення.

Крім розрахунків коефіцієнтів регресійної моделі в системі  передбачено проведення наступних видів робіт:

 

1. Кореляційний аналіз, тобто обчислення так званих коефіцієнтів парної кореляції між вхідними та вихідними змінними   (тут xi - компонент вхідного вектора   ). Коефіцієнт парної кореляції характеризує міру лінійної залежності між двома змінними xi і у і змінюється від -1 до +1. Чим ближче модуль   до 1, тим ближче досліджувана залежність до лінійної. Значення   = 0 свідчить про відсутність лінійного зв'язку між xi і у, тобто при побудові лінійної регресійної моделі змінну хi враховувати не слід. Коефіцієнт парної кореляції обчислюють за формулою [1]:  
, де

 

N - кількість  дослідів (повторень експерименту),

xik - значення (експериментальне) i-ой вхідної змінної для k-го досліду,

уk - значення (експериментальне) вихідної змінної для k - го досліду.

Оцінку значущості коефіцієнта  парної кореляції (перевірку наявності  кореляції) проводять різними способами. У даному випадку значення коефіцієнта  кореляції порівнюється з деяким його критичним значенням, якщо   r_крит, то змінну xi необхідно враховувати в залежності (1) для у.

 

 

 

 

 

 

2. Оцінка похибки моделювання

Похибка моделюваня визначається за формулою:

 
, де

уkp - розрахункове значення у до k-го досліду (значення, яке дає модель при підстановці  замість     його значення в k-му досліді),

n - кількість компонентів  вектора (число незалежних вхідних  змінних).

 

 

3. Перевірка моделі на  адекватність

Для перевірки моделі на адекватність використовується F - критерій Фішера [1].

У рамках цього критерію обчислюють дисперсію середнього

 
, 
 
де   

 

і остаточну дисперсію 
 
.

 

Після всіх цих кроків порівнюють  F=   з табличним значенням.

Вважають, що модель адекватна, якщо F досягає або перевищує табличне значення при обраному рівні значущості. Зазначимо, що перевірка на адекватність за критерієм Фішера справедлива  тільки для нормального закону розподілу  відхилень експериментальних і розрахункових значень у. У силу цього в системі передбачена перевірка на нормальність розподілу  (y_k - y_kp).

 

Отже, для побудови математичної моделі використовується декілька методів розробки, що складають собою метод ідентифікації. Вибраний метод добре зарекомендував себе для розробки математичної моделі користувача сайту, так як він розрахований на роботу з експериментальними даними, саме з ними й була проведена робота по розробці ММ користувача сайту.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3. Програмне забезпечення ідентифікації користувачів сайту

3.1. Загальна структура системи идентифікації OpenID. Її робота.

Система ідентифікації користувачів - це система, що працює з даними користувачів і сервером,  де знаходиться сайт. Така система має свої поля для  заповнення, куди користувач повинен  ввести свої дані для входу на сайт. На сьогоднішній день майже кожен  сайт має свою вбудовану систему  идентифікації корисутвачів. При  цьому, щоб користувач міг працювати  з даними сайту, тобто, дивитися їх, скачувати, і т.д..., йому необхідно  пройти авторизацію. І так треба  робити на кожному сайті окремо, щоб подивитися його контент. Це не завжди  зручно і інколи займає дуже багато часу.

Але, розробка системи мультиавторизації  може вирішити цю проблему. Мова буде йти  про розробку системи, яка дозволяє не реєструватися на кожному сайті  окремо.

Назва цій системі - OpenID. Суть її роботи у тому, щоб зв'язати різні сайти в одну систему авторизації, тобто встановити на ці сайти модуль OpenId.

Ця система має свою авторизацію, тобто користувачу потрібно буде зареєструватися у OpenId.

В тому випадку, коли користувач захоче авторизуватись на якомусь з сайтів, де встановлена дана система, йому не потрібно буде заповнювати форми авторизації цього сайту, а лише написати у формі своє им'я, яке він використовує у OpenId.

Така система дуже спрощує роботу з сайтами, коли потрібно постійно проходити  різні реєстрації, авторизації і  т.д. З такою системою це буде на багато простіше.

 

 

 

 

 

 

 

 

3.2  Алгоритм роботи системи  ідентифікації

3.2.1 Вхідні дані

Вхідні дані - це дані, які надає  користувач. Розділимо їх на декілька видів.

1. Необхідна інформація для реєстрації  у OpenId.

 Дані про користувача:

- ПІБ

- рік народження

- місце роботи

- адреса проживання

- e-mail адреса

Тобто мы маємо стандартну реєстраційну форму, яка зараз використовується майже на усіх сайтах.

2. Необхідна інформація для проходження  авторизації на сайтах, де працює  система OpenId.

Дані користувача:

- його логін - ім'я в системі OpenId.

 

Далі розшифруємо це поняття.

OpenID дозволяє  Інтернет-користувачу єдиним чином  авторизовуватися на безлічі  інтернет-сервісів (веб-сайтів). Звичайно, ці сервіси повинні підтримувати OpenID. При цьому унікальність користувальницьких  ідентифікаторів (імен користувачів, логінів) забезпечується використанням  в якості їх основи URL (інтернет-адрес).

Важливо відзначити, що для авторизації в OpenID може використовуватися  не тільки «простий» URL, але й інші способи адресації ресурсів в  Інтернеті, наприклад XRI. Якщо при використанні «класичної» системи авторизації  користувач вводить у форму на сайті пару з ідентифікатора (логіну) та відповідного йому пароля, то у випадку OpenID використовується всього один об'єкт - контрольований користувачем URL. Наприклад, користувачеві досить ввести адресу своєї персональної сторінки - http://test.fpm.ua

Система авторизації  працює завдяки автоматизованим  механізмам, що дозволяє авторизуйтесь  серверу з'ясувати, що користувач дійсно контролює заявлений URL. Тобто власникові облікового запису OpenID не потрібно реєструватися  на кожному (що вимагає реєстрації) сайті, а достатньо лише вказати  свій інтернет-ідентифікатор - подальший  процес авторизації та реєстрації відбувається автоматично, в прозорому для  користувача режимі. В якості додаткового  «каналу зв'язку» використовується браузер.

Незважаючи на технічні та організаційні  труднощі, що затримували розвиток технології, зараз доступна вже друга  версія протоколу OpenID 2.0. Для власника веб-сайту OpenID корисний з двох головних причин. По-перше, з'являється можливість надати користувачам більш зручний  інтерфейс: не потрібно реєструватися, запам'ятовувати / записувати нові паролі, а досить авторизуватися за допомогою  наявного облікового запису OpenID. По-друге, можна використовувати що стала  більш простою авторизацію нових  користувачів для боротьби зі спамом.

 

 

3.2.2. Опис алгоритму

Отже, OpenID - це досить універсальний  і зручний для користувача  механізм авторизації на різних веб-сервісах і сайтах. Розберемо більш детально принципи роботи цього механізму.

«ідентифікатор OpenID» - URL, використовуваний користувачем в якості свого універсального інтернет-ідентифікатора, володіння яким і підтверджується за допомогою OpenID.